Tablas de contingencia de pobreza Nueva-Metodologia Casen 2006-2020

Por comunas

VE-CC-AJ

DataIntelligence
date: 24-12-2021

En un proceso laberíntico logramos obtener las bases de datos que contenian las categorías de pobreza que conincidian con las tablas oficiales de corrección retroactiva de la Casen

Lectura de bases de datos Casen

direccion <- switch(2,"C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/","C:/Users/chris/Desktop/archivos grandes/")

dataset_06 <<- readRDS(paste0(direccion,"casen_2006_c.rds"))
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS(paste0(direccion,"casen_2009_c.rds"))
dataset_09 <- mutate_if(dataset_09, is.factor, as.character) 
dataset_11 <<- readRDS(paste0(direccion,"casen_2011_c.rds"))
dataset_11 <- mutate_if(dataset_11, is.factor, as.character) 
dataset_13 <<- readRDS(paste0(direccion,"casen_2013_c.rds"))
dataset_13 <- mutate_if(dataset_13, is.factor, as.character) 
dataset_15 <<- readRDS(paste0(direccion,"casen_2015_c.rds"))
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS(paste0(direccion,"casen_2017_c.rds"))
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS(paste0(direccion,"casen_2020_c.rds"))
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)

1 2006

Base de datos Complementaria de Ingresos Nueva Metodología Casen 2006 SPSS

dataset_06$clave <- paste0(dataset_06$SEG,dataset_06$O,dataset_06$F)
MN_2006 <- read.spss("C:/Users/chris/Desktop/archivos grandes/Ingresos MN 2006.sav", to.data.frame = TRUE)
MN_2006$clave <- paste0(MN_2006$seg,MN_2006$o,MN_2006$f)

MN_2006_2 <- MN_2006[,c("clave","pobreza_MN")]
dataset_06 <- merge(x= dataset_06, y= MN_2006_2, by="clave")
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
ttcc <- xtabs(dataset_06$EXPC~pobreza_MN, data = dataset_06)
ttcc
## pobreza_MN
##          No pobres    Pobres extremos Pobres no extremos 
##           11424554            2027451            2663366
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres extremos"  "12.5808521566149"
print(c("Pobres",as.numeric((ttcc[3]+ttcc[2])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres"          "29.107719580269"

2 2009

Base de datos Complementaria de Ingresos Nueva Metodología Casen 2009 SPSS

dataset_09$clave <- paste0(dataset_09$SEGMENTO,dataset_09$IDVIV,dataset_09$HOGAR,dataset_09$O)
MN_2009 <- read.spss("C:/Users/chris/Desktop/archivos grandes//Ingresos MN 2009.sav", to.data.frame = TRUE)
MN_2009$clave <- paste0(MN_2009$SEGMENTO,MN_2009$IDVIV,MN_2009$HOGAR,MN_2009$O)

MN_2009_2 <- MN_2009[,c("clave","pobreza_MN")]
dataset_09 <- merge(x= dataset_09, y= MN_2009_2, by="clave")
dataset_09 <- mutate_if(dataset_09, is.factor, as.character) 
ttcc <- xtabs(dataset_09$EXPC~pobreza_MN, data = dataset_09)
ttcc
## pobreza_MN
##          No pobres    Pobres extremos Pobres no extremos 
##           12398130            1630581            2555810
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres extremos"  "9.83194510109758"
print(c("Pobres",as.numeric((ttcc[2]+ttcc[3])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres"           "25.2427610058801"

3 2011

Base Complementaria Ingresos Nueva Metodología Casen 2011 (submuestra noviembre 2011-enero 2012) (Base 2011 utilizada para estimaciones de serie Casen) SPSS

dataset_11$clave <- paste0(dataset_11$folio,dataset_11$o)
MN_2011 <- read.spss("C:/Users/chris/Desktop/archivos grandes/Ingresos MN 2011.sav", to.data.frame = TRUE)
MN_2011$clave <- paste0(MN_2011$folio,MN_2011$o )

MN_2011_2 <- MN_2011[,c("clave","pobreza_MN")]
dataset_11 <- merge(x= dataset_11, y= MN_2011_2, by="clave")
dataset_11 <- mutate_if(dataset_11, is.factor, as.character) 
ttcc <- xtabs(dataset_11$expc_full~pobreza_MN, data = dataset_11)
ttcc
## pobreza_MN
##          No pobres    Pobres extremos Pobres no extremos 
##            8713093             910164            1598941
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres extremos"  "8.11038978282151"
print(c("Pobres",as.numeric((ttcc[2]+ttcc[3])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres"           "22.3584096448842"

4 2013

Para 2013 la pobreza con la nueva metodología ya esta incluida en la base de datos oficial

ttcc <- xtabs(dataset_13$expc~pobreza_MN, data = dataset_13)
ttcc
## pobreza_MN
##          No pobres    Pobres extremos Pobres no extremos 
##           14745682             776164            1696553
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres extremos"  "4.50775940318261"
print(c("Pobres",as.numeric((ttcc[2]+ttcc[3])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))
## [1] "Pobres"           "14.3608996399723"

5 Homologación de pobreza

dataset_06$pobreza_MN[dataset_06$pobreza_MN == "No pobres"] <- "No pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_09$pobreza_MN[dataset_09$pobreza_MN == "No pobres"] <- "No pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_11$pobreza_MN[dataset_11$pobreza_MN == "No pobres"] <- "No pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_13$pobreza_MN[dataset_13$pobreza_MN == "No pobres"] <- "No pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_15$pobreza[dataset_15$pobreza == "No pobres"] <- "No pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres extremos"] <- "Pobre extremo"

dataset_17$pobreza[dataset_17$pobreza == "No pobres"] <- "No pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres extremos"] <- "Pobre extremo"

dataset_20$pobreza[dataset_20$pobreza == "No pobres"] <- "No pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres extremos"] <- "Pobre extremo"

6 Generación de tablas de contingencia

df_tablas <- data.frame()

funcion1 <- function(n){
 
 xx<-switch(n,"2006","2009","2011","2013","2015","2017","2020")
 tanio <<- xx

 
 

if(xx==2006) {
  
eliminated <- dataset_06
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2006
}

if(xx==2009) {

eliminated <- dataset_09
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2009

}

if(xx==2011) {
  
eliminated <- dataset_11
a <- eliminated$pobreza_MN
b <- eliminated$comuna
anio <- 2011

}

if(xx==2013) {
  
eliminated <- dataset_13
a <- eliminated$pobreza_MN
b <- eliminated$comuna 
anio <- 2013

}
 

if(xx==2015) {
  
eliminated <- dataset_15
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2015
}

if(xx==2017) {
  
eliminated <- dataset_17
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2017
}

if(xx==2020) {
  
eliminated <-dataset_20
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2020
}

################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")

tabla_matp <-xtabs(eliminated[,(expan)]~a+b, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df <- tabla_matp
df <- df[complete.cases(df), ]
################ 


 
names(df)[1] <- "Pobreza"
names(df)[2] <- "Comuna"
df$Año = anio

direc_cod_com <- paste0("C:/Users/chris/Desktop/archivos grandes/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"

tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df 

}

data_df3 <- data.frame()
for (n in 1:7){
  funcion1(n)

  data_df3 <- rbind(data_df3,tabla_df2)
  assign(paste0("tabla_etnia_",tanio),data_df3)
  data_df3 <- data.frame()
  print(paste0("tabla_etnia_",tanio))
}
## [1] "tabla_etnia_2006"
## [1] "tabla_etnia_2009"
## [1] "tabla_etnia_2011"
## [1] "tabla_etnia_2013"
## [1] "tabla_etnia_2015"
## [1] "tabla_etnia_2017"
## [1] "tabla_etnia_2020"
data_df3 <- rbind(tabla_etnia_2006,tabla_etnia_2009,tabla_etnia_2011,tabla_etnia_2013,tabla_etnia_2015,tabla_etnia_2017,tabla_etnia_2020)

##############
datatable(data_df3, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'tabla_etnia_pobreza'),
          list(extend='pdf',
            filename= 'tabla_etnia_pobreza')),
          text = 'Download')), scrollX = TRUE))

7 No pobre

df1 <- filter(data_df3, Pobreza == "No pobre",  Año == 2006 )
df2 <- filter(data_df3, Pobreza == "No pobre",  Año == 2009 )
df3 <- filter(data_df3, Pobreza == "No pobre",  Año == 2011 )
df4 <- filter(data_df3, Pobreza == "No pobre",  Año == 2013 )
df5 <- filter(data_df3, Pobreza == "No pobre",  Año == 2015 )
df6 <- filter(data_df3, Pobreza == "No pobre",  Año == 2017 )
df7 <- filter(data_df3, Pobreza == "No pobre",  Año == 2020 )

names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")

df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
 
p <- plot_ly(df8, width = 1200,  x = ~Comuna, y = ~Freq1,   name = 'No pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'No pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'No pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'No pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'No pobre 2020', mode = 'markers')
p 

8 Pobre

df1 <- filter(data_df3, Pobreza == "Pobre",  Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre",  Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre",  Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre",  Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre",  Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre",  Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre",  Año == 2020 )

names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")

df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
 
p <- plot_ly(df8, width = 1200,  x = ~Comuna, y = ~Freq1,   name = 'Pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre 2020', mode = 'markers') 
p

9 Pobre extremo

df1 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2020 )

names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")

df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)

p <- plot_ly(df8, width = 1200,  x = ~Comuna, y = ~Freq1,   name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre extremo 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre extremo 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre extremo 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre extremo 2020', mode = 'markers') 
p

10 Porcentaje de pobreza por comuna

recptaculo <- data.frame()
for (j in unique(data_df3$Código)) {
  for (i in c("2006","2009","2011","2013","2015","2017","2020")) {
  tb1 <- filter(data_df3, Año == i, Código == j)
  tb1$porcentaje_pobreza <- (tb1$Freq*100)/sum(tb1$Freq)
  tb1 <- tb1[,c(1,5,2,3,6,4)]
  
  recptaculo <- rbind(recptaculo,tb1)
  
  }
}

datatable(recptaculo, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'hitStats'),
          list(extend='pdf',
            filename= 'hitStats')),
          text = 'Download')), scrollX = TRUE))%>%
  formatStyle(
    'porcentaje_pobreza',
    background = styleColorBar(tb1$porcentaje_pobreza, 'steelblue'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )

11 Cambio de formato a la tabla

df1 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2020 )

names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
 
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb1<- mutate_if(df8, is.factor, as.character)


df1 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2020 )

names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
 
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb2<- mutate_if(df8, is.factor, as.character)



df1 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2020 )

names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
 
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb3<- mutate_if(df8, is.factor, as.character)

tabla_madre <- rbind(tb1,tb2,tb3)
datatable(tabla_madre, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'hitStats'),
          list(extend='pdf',
            filename= 'hitStats')),
          text = 'Download')), scrollX = TRUE))
tabla_pobreza <- tabla_madre[,c(1,2,3,5,8,11,14,17,20,23)]
tabla_pobreza$p2007 <- NA
tabla_pobreza$p2008 <- NA
tabla_pobreza$p2010 <- NA
tabla_pobreza$p2012 <- NA
tabla_pobreza$p2014 <- NA
tabla_pobreza$p2016 <- NA
tabla_pobreza$p2018 <- NA
tabla_pobreza$p2019 <- NA
tabla_pobreza$p2021 <- NA
tabla_pobreza <- tabla_pobreza[,c("Comuna","Código","Pobreza","porcentaje_pobreza1","p2007","p2008","porcentaje_pobreza2","p2010","porcentaje_pobreza3","p2012","porcentaje_pobreza4","p2014","porcentaje_pobreza5","p2016","porcentaje_pobreza6","p2018","p2019","porcentaje_pobreza7","p2021")]
colnames(tabla_pobreza) <- c("Comuna","Código","Pobreza","p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020","p2021")
head(tabla_pobreza)
##          Comuna Código  Pobreza    p2006 p2007 p2008    p2009 p2010    p2011
## 1       Iquique  01101 No pobre 86.48426    NA    NA 77.96203    NA 88.92539
## 2 Alto Hospicio  01107 No pobre 54.58826    NA    NA 70.59638    NA 72.28843
## 3  Pozo Almonte  01401 No pobre 76.55852    NA    NA 75.15345    NA 83.95930
## 4        Camiña  01402 No pobre 23.76514    NA    NA 43.77510    NA 61.02941
## 5         Huara  01404 No pobre 41.76301    NA    NA 44.37353    NA 67.87126
## 6          Pica  01405 No pobre 74.51962    NA    NA 69.26454    NA 76.70691
##   p2012    p2013 p2014    p2015 p2016     p2017 p2018 p2019    p2020 p2021
## 1    NA 93.82533    NA 94.67058    NA  95.30485    NA    NA 87.99081    NA
## 2    NA 89.73909    NA 91.49277    NA  91.65715    NA    NA 84.49419    NA
## 3    NA 85.95593    NA 89.67351    NA  89.50090    NA    NA 86.13687    NA
## 4    NA 68.88151    NA 59.23345    NA 100.00000    NA    NA 75.52804    NA
## 5    NA 82.70939    NA 77.46002    NA  88.79014    NA    NA 53.90260    NA
## 6    NA 74.51312    NA 88.07033    NA  88.77245    NA    NA 76.62187    NA

12 Aplicamos la interpolación con na.approx

receptaculo2 <- data.frame()
for (n in 1:896) {
  calculado <- na.approx(c(tabla_pobreza[n,c(4:19)]))*10
  # calculado <- as.data.frame(calculado)
  receptaculo2 <- rbind(receptaculo2,calculado)
}
colnames(receptaculo2) <- c("p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020")
library(scales)
tabla_final <- cbind(tabla_pobreza[,c(1,2,3)],receptaculo2)
tabla_madre <- rbind(tb1,tb2,tb3)
datatable(tabla_final, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'hitStats'),
          list(extend='pdf',
            filename= 'hitStats')),
          
          text = 'Download')), scrollX = TRUE))%>%
    formatRound(c("p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020"), mark = "", digits = 2)%>%
    formatPercentage(   c("p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020"))

13 No pobres

fn_grafico <- function(m){
  p <- p %>% add_lines(y = ~pob1[,m], name = paste0('No pobre ',colnames(pob1)[m]), mode = 'markers')
  p <<- p
}

pob1 <- filter(tabla_final, Pobreza == "No pobre")

p <- plot_ly(pob1, width = 1200,  x = ~Comuna, y = ~p2006,   name = 'No pobre 2006', mode = 'markers') %>% add_lines()

for (m in 5:18) {
 fn_grafico(m) 
}


p

14 Pobres

fn_grafico <- function(m){
  
  p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre ',colnames(pob1)[m]), mode = 'markers')
  p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre")
p <- plot_ly(pob1, width = 1200,  x = ~Comuna, y = ~p2006,   name = 'Pobre 2006', mode = 'markers') %>% add_lines()

for (m in 5:18) {
 fn_grafico(m) 
}

p

15 Pobres extremos

fn_grafico <- function(m){
  
  p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre extremo ',colnames(pob1)[m]), mode = 'markers')
  p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre extremo")
p <- plot_ly(pob1, width = 1200,  x = ~Comuna, y = ~p2006,   name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()

for (m in 5:18) {
 fn_grafico(m) 
}

p